1. 毕业设计（论文）的内容和要求

文本分类技术是大规模文本处理的第一步，能有效地提高文本的使用效率和质量。

它对待分类文本的内容进行分析，根据事先确定的若干分类规则，将待分类文本分配到给定的一个或多个类别中。

本课题基于svm实现对文本的自动分类，并设计一个简易的文本分类系统。

2. 参考文献

[1]刘伟丽，基于粒子群算法和支持向量机的中文文本分类研究[D]，河南:河南工业大学，2010. [2] 王岩，张波，薛博. 基于FOA- SVM的中文文本分类方法研究[J]. 四川大学学报,2016，53(4):759-763 [3]王惠仙. 基于的中文文本分类相关算法研究与实现[D].昆明：昆明理工大学，2011. [4] 徐 丽，伏玉琛，李 斯. 一种改进的 SVM 决策树 Web 文本分类算法[J]. 苏 州 大 学 学 报,2011,31(5):7-11 [5]李 琼，陈 利. 一种改进的支持向量机文本分类方法[6]. 计 算 机 技 术 与 发 展,2015,25(5):78-82 [7]张玉芳 , 万斌候 , 熊忠阳 . 文本分类中的特征降维方法研究 [J]. 计算机应用研究,2012,29(7):2541-2543. [8] 井志强. 基于扩展的 VSM 中文文本分类方法[D].哈尔滨工程大学, 2010. [9] 代六玲，黄河燕，陈肇雄. 中文文本分类中特征抽取方法的比较研究[J]. 中文信息学报，2004，l8(1)：26-32. [10] 刘斌，黄铁军，程军．一种新的基于统计的自动文本分类方法[J]．中文信息学报，

3. 毕业设计（论文）进程安排

1-8至1-20 查阅中英文资料20篇以上熟悉相关算法等。

1-20至1-31 提交打印好的文献综述及开题报告（围绕任务书，完成方案论证，工作思路等） 2-1至2-15学习SVM、决策树等基本原理和实现 3-16至4-26 学习使用分词工具和利用java设计界面 4-27至5-17 将文本分类步骤融入界面中，形成可操作的文本分类系统 5-18至6-08 10000字以上论文撰写，准备300字的英文摘要，完成论文提交 6-09至6-15 论文答辩